CHT-YOLO：基于无人机的红外小型物体检测方法——通过动态稀疏感知与任务解耦对齐实现

《Digital Signal Processing》：CHT-YOLO: Drone-based Infrared Small Object Detection via Dynamic Sparse Perception and Task-Decoupled Alignment

　　

摘要

无人机技术的快速发展使其应用范围扩展到军事、交通和农业等领域。然而，红外小目标检测这一无人机的重要功能却面临着目标尺寸小、信噪比低、热信号弱以及复杂背景干扰等挑战。为解决这些问题，本文提出了一种基于YOLOv11框架的新型轻量级检测算法——CHT-YOLO。该算法采用部分卷积概念设计多尺度特征提取模块（CSP-PMSFA），在提升多尺度特征提取能力的同时降低计算成本。它还将坐标注意力与动态上采样深度集成到路径聚合网络中，以更好地保留小目标的空间细节。基于任务对齐的一阶段检测（TOOD）头部，该算法引入了可变形卷积和尺度自适应层，以提高变形小目标的定位精度。此外，还采用了非单调聚焦损失函数（WIoU）进一步提升检测精度和收敛效率。在UAV-ISTD数据集上的实验结果表明，CHT-YOLO的mAP@0.5值提高了3.7%，与YOLOv11n相比参数减少了0.2M，GFlops降低了1.4G，同时仍能保持255.8 FPS的高推理速度，适用于实时应用。在HIT-UAV数据集上，它的mAP@0.5值为82.9%，优于多种主流检测器，且参数量和计算成本较低，体现了其强大的泛化能力。代码仓库地址为：https://github.com/yixixi12/CHT-YOLO.git。

引言

随着无人机技术的快速发展，其在军事、交通、农业等领域的应用越来越广泛。在军事领域，无人机能够实现全天候不间断的对目标物的侦察。在交通领域，无人机凭借其独特的视角和灵活性，可在雨雾等恶劣天气条件下进行全面的交通流量监测。在农业领域，无人机利用图像识别技术精准识别农作物病虫害的特征。而无人机目标检测技术则是实现这些功能的核心技术之一。不过，低空环境十分复杂多变，光线强度变化、浓雾、浓烟等不利因素会严重降低无人机的检测精度。相比之下，红外成像技术凭借其独特优势，能够克服光线强度和恶劣天气对目标检测的影响，实现全天候、全时段的目标检测，为无人机在复杂环境中的稳定运行提供有力支持。但与传统目标检测相比，无人机图像中的红外目标检测仍面临目标尺寸小、信噪比低、热信号弱以及易受复杂背景干扰等问题[1]。如何在复杂场景下准确检测小型红外目标，已成为无人机目标检测领域亟需解决的难题。

目前，红外图像中的小目标检测方法可分为传统方法检测和深度学习检测两类。传统方法高度依赖人工特征设计和提取，这一局限性导致其在低对比度条件下的检测性能大幅下降，难以同时实现稳定的检测结果和较强的泛化能力。而基于深度学习的目标检测算法则凭借其自动特征学习的强大能力，在小目标检测任务中展现出更优异的性能，为解决复杂场景下的红外小目标检测问题提供了新的有效途径。

单阶段目标检测算法中的YOLO系列[[2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [12]]因其出色的检测精度和高效的检测速度而广受关注。Redmon等人提出的YOLOv3算法[4]通过引入多尺度特征图和Darknet-53骨干网络，显著提升了小目标的检测能力，同时还利用特征金字塔网络（FPN）进一步优化了多尺度目标的检测性能。但该算法的计算开销较大，难以在资源有限的嵌入式设备上部署。Ultralytics团队推出的YOLOv5算法[6]提供了从轻量级到大型模型等多种版本，便于部署和与自动化训练工具集成，通过自动超参数调优和更多样的数据增强技术，提升了模型的泛化能力和稳定性。不过，该算法在小目标检测方面仍存在一定局限。Li等人提出的YOLOv8算法[9]通过引入新的注意力机制和数据增强策略，提升了模型对模糊物体的特征提取能力，但在复杂背景下的适应性不足，且需要较高的计算资源。

为解决上述问题，本研究提出了一种基于YOLOv11的无人机红外小目标检测算法——CHT-YOLO。CHT-YOLO这一名称来自其三个核心模块的首字母：部分多尺度特征聚合模块（CSP-PMSFA）、轻量级分层采样路径聚合网络（HSPAN-Dysample）以及对齐动态检测头部（TADDH）。该算法的贡献如下：

• 1)
  为解决模型计算资源需求过高、难以在嵌入式设备上部署的问题，本研究用部分多尺度特征提取模块（CSP-PSPAN）替换了原有骨干网络中的C3K2模块。该模块借鉴了GhostNet和FasterNet中的部分卷积理念，创新性地结合了3×3、5×5和7×7三种并行卷积核与部分卷积，并重新设计了残差连接路径，旨在以更低的计算成本提升对尺度变化较大的红外小目标的多尺度特征提取能力。
• 2)
  为解决无人机图像检测精度低的问题，本研究在特征融合过程中嵌入了坐标注意力（CA）作为动态门控机制，依托PANet的双向路径，并结合DySample动态上采样操作，有效避免了小目标空间信息的丢失。
• 3)
  为应对无人机红外小目标存在严重变形和尺度变化较大的问题，本研究提出了任务对齐动态检测头部（TADDH）。该头部借鉴了TOOD检测头的设计思路，进一步在定位分支中加入了可变形卷积v2（DCNv2）和自适应尺度缩放层，从而在保持任务对齐优势的同时提升物体检测的稳定性。
• 4)
  为解决模型难以捕捉不规则小型目标的问题，本研究用WIoU损失函数替代了模型原有的CIoU损失函数。该损失函数考虑了预测边界框与真实边界框之间的区域，不仅提升了模型的检测精度，还显著提高了训练过程中的收敛效率。

章节节选

特征金字塔

在目标检测任务中，由于目标尺寸存在较大差异，仅依靠单一尺度的特征提取往往无法全面覆盖所有目标。为解决这一问题，Zhang等人[13]提出了特征金字塔网络的改进版本——四边形特征金字塔网络（Quad-FPN）。该网络通过构建四个独立的FPN结构，有效降低了复杂背景的干扰，显著提升了特征提取效果

CHT-YOLO网络架构

鉴于红外小目标检测对速度和精度的严格要求，本研究选择了近年来较为先进的YOLOv11网络作为基础框架。该网络由三个主要部分组成：骨干网络、颈部网络和检测头部。为进一步提升模型的检测性能，本研究对其进行了优化，提出了名为CHT-YOLO的检测网络，其具体架构如图1所示。

部分多尺度特征提取模块

为满足

数据集介绍

本研究使用Iray光电公司提供的UAV红外图像数据集UAV-ISTD来验证所提模型的可行性，同时利用公开的数据集HIT-UAV来检验其泛化能力。

UAV-ISTD数据集包含了用于红外物体检测的高质量标注数据，共计11,952张红外图像。这些图像分为汽车、卡车、行人、公交车、骑自行车者和骑摩托车者六类，各类数据的分布情况为

结论

针对无人机红外小目标检测过程中存在的目标尺寸小、信噪比低、热信号弱以及易受复杂背景干扰等问题，本研究提出了一种基于YOLOv11的轻量级检测算法——CHT-YOLO。该算法通过引入部分多尺度特征提取模块、轻量级高级过滤路径聚合网络以及对齐动态

沈逸轩|黄伟|曲亚雄|江林|达梅

中国昆明市650500，昆明科技大学理学院